# 大規模參數模型

TRELLIS是一個基於文本條件的大型3D生成模型，採用結構化3D潛變量實現可擴展與多功能的3D內容生成。

Meta Llama 3.2系列90B參數的多模態大語言模型，支持視覺指令理解，經Unsloth動態4位量化優化

NLLB-200是一個支持200種語言的神經機器翻譯模型，專注於低資源語言的翻譯研究。

NLLB-MoE是Meta開發的混合專家機器翻譯模型，支持200種語言，是目前最先進的開放訪問機器翻譯模型之一。

NLLB-200是一個支持200種語言的大規模多語言機器翻譯模型，參數量達33億

NLLB-200-3.3B 是一個支持200種語言的大規模多語言翻譯模型，基於FLORES-200數據集訓練。

GALACTICA是在大規模科學語料庫上訓練的語言模型，可執行多種科學任務，如引用預測、科學問答等。

ERNIE 3.0是一個面向語言理解與生成的大規模知識增強預訓練模型，由百度開發。

CodeT5是基於Python語言NTP目標預訓練的大規模編碼器-解碼器模型，專注於代碼理解與生成任務

該模型通過大規模神經模型和精心設計的訓練策略，實現了多技能融合的開放域對話能力。

DeBERTaV3通過ELECTRA風格預訓練與梯度解耦嵌入共享技術改進DeBERTa，在自然語言理解任務上表現優異

T0pp是基於T5架構的110億參數編碼器-解碼器模型，在英語自然語言提示的零樣本任務泛化上表現優異，超越GPT-3且體積更小。

這是一個基於大規模神經網絡的開放域對話系統，能夠進行多輪自然對話並融合多種對話技能。

該模型是一個高性能的開放領域聊天機器人，能夠融合多項對話技能，如提問、回答、展現知識和同理心等。